在线教育技术：那些论文没告诉你的坑与惊喜

说实话，这几年在线教育技术被吹上了天。资本、流量、AI、元宇宙，什么热就往上蹭。我在这个行业摸爬滚打挺久了，也看过不少顶会论文，但真正落地的时候，感觉完全不是那么回事儿。今天不聊大道理，就聊点实在的——那些藏在实验数据背后的东西，以及我踩过的坑。

也许你还记得2020年，全中国学生被迫上网课。那时候平台卡成狗，老师变身主播，家长化身网管。但就是从那时候起，在线教育技术算是真正进入普通人的生活了。不过，热潮退去，我反而觉得，一些真正有意思的科研成果，才刚刚浮出水面。

自适应学习系统：真的能因材施教？

自适应学习，听起来很美好对吧？系统通过算法分析你的表现，自动推送合适的内容。我见过不少创业公司，拿这个当卖点，PPT做得天花乱坠。但说实话，大多数系统的“自适应”只是虚晃一枪。它们用的是基于知识点掌握度矩阵的推荐，说白了，就是统计模型——你错得多就多给你做题。这跟真正的“因材施教”差远了。

有一篇2020年的元分析研究（我忘了具体作者），综述了几十个自适应学习系统的实验结果，结论是：平均效应量只有0.15到0.3之间。这是什么概念？相当于一个学生从班级倒数，努力一把，能勉强摸到中游。而且，这些实验基本都是短期、小样本。放到真实的大规模课堂，学生背景千差万别，一个小小的网络延迟就可能让系统判断失灵。

不过话说回来，也别一棒子打死。我见过一个针对数学科目的系统，它用贝叶斯网络做学生模型，而且允许学生“跳过”题目，结果准确率还挺高。关键是，它把“放弃”也当成一种学习行为来建模——这比那些只会记录对错的系统聪明多了。我就想问：为什么那么多系统，偏偏把“学生说不会”这种事当成错误呢？

看视频课=真学习？多模态技术拆穿你

在线教育最大的痛点是什么？不是内容不好，是没人盯着你学。有研究表明，学生在观看教学视频时，注意力平均只能维持6到8分钟。而且，很多人开着视频，人早跑了。于是“学习情感识别”成了热门方向。

你可能听说过“多模态学习分析”——把摄像头、麦克风、眼动仪、甚至脑电波全用上，来判断你到底有没有在听。我读过一篇2022年的论文，在edX平台上做了实验，用面部表情和姿态估计来预测学生什么时候会退出视频。结果发现，“无聊”的表情出现的越早，退出的概率越高。这简直是用脚趾头都能想出来的结论，对吧？

但真正让我吃惊的是另一项研究。他们用可穿戴手环测皮肤电导率，发现学生在做练习时，如果系统给出即时反馈，虽然短期内成就感上升，但记忆保持率反而下降了。为什么？因为即时反馈破坏了那种“绞尽脑汁”的编码过程。这让我想起自己以前用某些背单词软件，刷到爽，但是全忘了——现在终于有科学解释了。

不过说实话，多模态技术设备昂贵，隐私问题一抓一大把。我在课上用麦克风阵列尝试采集语音，结果被学生投诉“侵犯隐私”。所以，很多技术可以挂在论文上，但真正落地，还得靠轻量级方案。比如现在有通过键盘输入节奏和鼠标轨迹来判断“迷茫”状态的研究，成本低，学生们也没那么反感。

生成式AI助教：又爱又恨

今年大模型火得一塌糊涂，教育圈儿怎么可能坐着不动？斯坦福和清华大学都发布了系列的AI助教系统研究。说实话，我试过用ChatGPT当助教，结果它确实能解答大部分问题，但也会一本正经地胡说八道。

有一篇2023年的预印本，探讨了在在线讨论区用GPT-4来回答学生问题。研究发现，它能让学生的等待时间从30分钟缩短到3分钟，但正确率却只有73%。如果是在编程课，学生可能被误导。更离谱的是，模型会“过度自信”地提供错误解决方案，而且说话的语气特别肯定，导致学生怀疑自己多于怀疑AI。

还有一项研究，让AI扮演苏格拉底式提问者，引导学生自己思考。这个方法倒是挺靠谱，因为它的本质是“少说多问”，避免了满嘴跑火车。不过我自己的经验是，AI只能学生问一次，一旦追问“为什么”，它就容易绕回到标准答案了。所以，生成式AI能当助教，但只能当“初级助教”，必须有人工在旁把关。

其实，我觉得最值得关注的技术不在这个层面，而是自然语言处理在教育中的另一面——自动批改作文。不用管什么基于transformer的评分模型，实际上不少研究都表明，机器评分和人工评分的相关性已经达到0.8以上。但问题是，机器只认字数、辞藻，它完全不懂什么叫“真情实感”。我见过一篇论文，居然把一篇情感浓郁的文章判成了抄袭，因为它使用的词语组合太“经典”。你说气不气？

那么，科研成果到底怎么用？

聊了这么多，我要说点掏心窝子的话。

首先，别迷信顶会论文。很多很好的idea，在实验室里很美，但一遇到现实网络、设备、学生素质就垮了。作为从业者，我们最需要做的是“容错”设计——比如视频播放器可以变速，但不要太快，因为研究表明2倍速度听新知识，理解和记忆都会打折。

其次，数据隐私是悬在在线教育头上的剑。我认识一个做学习分析的专家，他说他们的研究之所以不敢公开数据，就是怕学生有一天要求“删除数据”而无法操作。这个矛盾，短期内无解。

再者，观察学生的“退课信号”比预测“成绩”更重要。我们已经有了大量关于“流失”的研究，但真正去干预的少。比如，有研究提出“情感提醒”系统，当学生表现出焦虑时，自动推送鼓励或调整难度。效果还不错，但让机器人来鼓励人，总觉得有点像电子宠物。

说到底，在线教育技术不是要取代老师，而是要让老师少干点重复劳动，多点时间陪伴学生。可现实呢？我们花了大价钱装了各种系统，老师变得更累了——因为要填更多的表，看更多的数据。这就背离了初心，你说对吧？

我始终相信，技术是好的，但人不是数据点。下回再有人跟你吹“AI教育”，你多问一句：“你的模型在真实课堂上验证过吗？能应对学生突然关摄像头吗？”大概就能挤掉不少水分。

好了，就先聊到这。这也算是我这些年做研究、做产品留下的真实感悟吧。希望你看完对“在线教育技术”有自己的判断。